JP2012070385A - エコーキャンセラ - Google Patents

Abstract

【課題】エコー音源の数の大小に依存することなく、より多くのエコーキャンセル効果を得る。
【解決手段】エコーとなる音源のそれぞれから入力される参照信号を１以上の適応フィルタ３０１〜３０４により濾波してエコー除去信号を生成し、エコーキャンセル処理を行うプロセッサを備えたエコーキャンセラ３０であって、前記プロセッサによる前記適応フィルタ３０１〜３０４のエコーキャンセル処理前後における信号電力を監視する信号電力計測部３０８〜３１２と、前記適応フィルタ３０１〜３０４の有効数、もしくはタップ数を、前記信号電力計測部３０８〜３１２の出力により判定される、前記プロセッサによる処理能力と前記１以上の適応フィルタ３０１〜３０４によるエコーキャンセル効果とのトレードオフにより可変とする制御部３１３とを備えた。
【選択図】図３

Description

この発明は、特に、車載用の音声認識装置やハンズフリー電話に用いて好適な、エコーキャンセラに関するものである。

車載ナビゲーション装置における音声認識、あるいは、ハンズフリー電話において、従来、マイクロフォンに入力される音声から車載スピーカにより出力される音楽、音声等を除去し、話者の音声だけを音声認識し、あるいは電話で相手方へ伝えることのできるエコーキャンセラが知られている（例えば、特許文献１、２参照）。

上記した特許文献１、２に開示されるように、エコー音源から入力される参照信号を適応フィルタで処理することにより、エコー音源からスピーカを伝ってマイクロフォンに混入するエコー除去信号を生成するタイプのエコーキャンセラは、エコーとなる音源（以下、エコー音源という）の各々に対して、エコーキャンセル処理を実行する必要がある。
このため、例えば、６チャンネル〜８チャンネル等、想定される最大のエコー音源数を考慮した場合、高い処理能力を持ったプロセッサの搭載が求められる。さらに、想定される最大のエコー音源数よりも少ないエコー音源数しかない状況においては、適応フィルタのいくつかの処理を行う必要がなくなるため、エコーキャンセル処理に無駄が発生し、プロセッサリソースの無駄な割当が生じる。

また、適応フィルタにおいて、必要なタップ数は、音声認識装置、ハンズフリー電話が用いられる環境によって異なり、最悪の環境を想定してタップ数を決定した場合、タップ数が多いほどエコーキャンセル効果が高い仕組みになっているため、非常に処理能力の高いプロセッサを求められる。
このため、従来、ＡＶ機器用音声認識装置において、エコー音源の参照信号を常にモノラル化することにより、プロセッサの処理を軽減する技術が知られている（例えば、特許文献３参照）。この技術を採用することによりエコー音源の数は常に一つとなるため、エコー音源数の減少により、エコーキャンセルの処理に無駄が出ることは無い。

特開２０００−２３１３９９号公報 特開２００３−９９１００号公報 特開２００１−１００７８５号公報

しかしながら、特許文献３に開示された技術によれば、参照信号のみモノラル化し、エコーとなる音源をステレオとして用いた場合、適応フィルタによるエコーキャンセル量に劣化が生じる可能性があり、エコー音源の数（チャンネル）が多ければ多いほどその可能性が高くなる。

なお、参照信号とエコーとなる音源の両方をモノラル化すれば、エコーキャンセル量に劣化を生じさせること無くエコーキャンセル処理を行うことができるが、エコー音源としてＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＴＶ（Television）等のオーディオ音源を選択した場合、モノラル化により常にステレオやサラウンドによる音の臨場感が大幅に失われてしまい、ＡＶ機器としては致命的な欠陥を有する問題がある。
また、発話時のみ、モノラル化するという方法も考えられるが、適応フィルタの性質上、フィルタ係数の学習を必要とするため、発話するまでに十分な適応フィルタの学習時間をとらなければならないという問題もある。

この発明は上記した課題を解決するためになされたものであり、エコー音源の数の大小に依存することなく、より多くのエコーキャンセル効果が得られる、エコーキャンセラを提供することを目的とする。

上記した課題を解決するために、この発明のエコーキャンセラは、エコーとなる音源のそれぞれから入力される参照信号を１以上の適応フィルタにより濾波してエコー除去信号を生成し、エコーキャンセル処理を行うプロセッサを備えており、前記プロセッサによる前記適応フィルタのエコーキャンセル処理前後における信号電力を監視する信号電力計測部と、前記適応フィルタの有効数、もしくはタップ数を、前記信号電力計測部の出力により判定される、前記プロセッサによる処理能力と前記１以上の適応フィルタによるエコーキャンセル効果とのトレードオフにより可変とする制御部と、を備えたものである。

また、この発明のエコーキャンセラは、エコーとなる音源のそれぞれから入力される参照信号を１以上の適応フィルタにより濾波してエコー除去信号を生成するプロセッサを有するエコーキャンセラであって、所定の条件に基づき前記エコー音源の数を可変とする音源数変換部と、前記プロセッサによる前記適応フィルタのエコーキャンセル処理前後における信号電力を監視する信号電力計測部と、前記信号電力計測部の出力により、前記プロセッサが有する処理能力では前記エコーとなる音源の数だけ前記適応フィルタを処理できないと判定された場合、前記音源数変換部を制御して前記エコー音源の有効数を減少させる処理を行う制御部と、を備えたものである。

この発明のエコーキャンセラによれば、エコー音源の数の大小に依存することなく、より多くのエコーキャンセル効果を得ることができる。

この発明の実施の形態１に係るエコーキャンセラを含む音声認識装置の構成と、音源がステレオからモノラルに変化した場合のエコーキャンセラの構成の変化を示すブロック図である。 この発明の実施の形態２に係るエコーキャンセラを含む音声認識装置の構成と、音源がステレオからモノラルに変化した場合のエコーキャンセラの構成の変化を示すブロック図である。 この発明の実施の形態３に係るエコーキャンセラを含む音声認識装置の構成を示すブロック図である。 この発明の実施の形態４に係るエコーキャンセラを含む音声認識装置の構成を示すブロック図である。 この発明の実施の形態５に係るエコーキャンセラを含む音声認識装置の構成を示すブロック図である。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
図１は、この発明の実施の形態１に係るエコーキャンセラを含む音声認識装置の構成と、音源がステレオからモノラルに変化した場合のエコーキャンセラの構成の変化を示すブロック図である。
図１に示されるように、音声認識装置は、エコーキャンセラ１０と、音声認識部１１と、スピーカ１２（１２Ｌ、１２Ｒ）と、音量調整部１３（１３Ｌ、１３Ｒ）と、マイクロフォン１４と、により構成される。

エコーキャンセラ１０は、適応フィルタ１０１、１０２と、音源数検知部１０３と、記憶部１０４と、制御部１０５と、を有する。
適応フィルタ１０１、１０２は、例えば、ＬＭＳ（Least Mean Square）等の最適化アルゴリズムにしたがいその伝達関数を自己適応させるフィルタであり、具体的にはデジタル信号処理を行うデジタルフィルタとしてＤＳＰ実装される。

音源数検知部１０３は、エコーとなる音源の数を検知して制御部１０５へ転送する。ここでは、ステレオからモノラルに変化したことを検知して制御部１０５へ通知する。記憶部１０４には、制御部１０５による制御の下で、適応フィルタ１０１、１０２のタップ数分のフィルタ係数（学習データ）が記憶されている。
制御部１０５は、音源数検知部１０３で検知されたエコーとなる音源の数に応じて後述する手順にしたがい適応フィルタ１０１、１０２のタップ数を可変制御する。制御部１０５はまた、適応フィルタ１０１、１０２のタップ数を変化させる際に、直前における適応フィルタ１０１、１０２のフィルタ係数を記憶部１０４にセーブして保存し、次回、同じタップ数で処理する場合に、記憶部１０４からそのフィルタ係数をリストアして再利用する。

音声認識部１１は、エコーキャンセラ１０の出力を入力信号として得、マイクロフォン１４により集音された話者（図１中、顔マークで表示）の発話内容を音声認識する。
音声認識部１１は、入力された音声を、例えばフーリエ解析等の数学的信号処理手法により特徴量に変換し、ここで得られる特徴量の音響と発音記号等の確率との対応付けを示す音響モデル、認識対象の単語をデータベース化した辞書、ならびに辞書にある単語のアプリケーション毎の発話確率を示す言語モデル等を索引し、確率統計的な手法に基づきテキストを出力する基本的な音声認識の仕組みを利用するものとする。

上記構成において、エコーキャンセラ１０は、スピーカ１２Ｌ、１２Ｒから出力される、例えば、車載ＡＶ機器による再生音を、通信ライン１５、１６を介して参照信号として取り込む。そして、エコーキャンセラ１０は、マイクロフォン１４を用いて話者が発する音声に混入するスピーカ１２Ｌ、１２Ｒの出力音を適応フィルタ１０１、１０２により除去してその出力を音声認識部１１に引き渡す。
ここで、エコーキャンセラ１０は、音源数検知部１０３を備えており、制御部１０５は、音源数検知部１０３でステレオが検知されている間は、適応フィルタ１０１、１０２を、タップ数「１００」でそれぞれ動作させるが、モノラルが検知された場合は、いずれか一方の適応フィルタ（ここでは適応フィルタ１０２）のタップ数を増加（＋１００）させるように制御し、他方の適応フィルタ（ここでは適応フィルタ１０１）によるエコーキャンセル処理を停止制御する。

すなわち、制御部１０５は、音源の数の動的変化に応じて、動的に適応フィルタ１０１、１０２のタップ数を変化させることにより、例えば、ステレオとモノラルが切り替わるラジオ放送のような音源に対しても、常に適切なフィルタタップ数でエコーキャンセル処理を実現する。また、音源数の変化に応じて適応フィルタ１０１、１０２のタップ数を即時に変化させることにより、音源の数が増加した場合にも、即時に適切なエコーキャンセル量を主とする準備が可能になる。

上記のように制御され生成されるエコーキャンセラ１０の出力は、音声認識部１１へ転送され、音声認識部１１で、マイクロフォン１４により集音された話者の発話内容を音声認識する。音声認識部１１は、発話内容から特徴量を抽出し、不図示の音響モデル、辞書、ならびに言語モデル等を参照することにより認識されたテキストを出力して不図示のナビゲーション装置等へ転送し、音声入力による、例えば、目的地設定、誘導等のナビゲーションを行なうことができる。
なお、制御部１０５は、音声認識部１１による音声認識中、およびその直前では適応フィルタ１０１、１０２のタップ数を変化させないように制御する。これは、音声認識中に適応フィルタ１０１、１０２のフィルタ係数が乱れることによる音声認識の誤認識を回避するための措置である。

また、制御部１０５は、タップ数を増やす制御を実行する前に、直前のフィルタ係数を記憶部１０４にセーブ（退避）させておき、次回、音源数検知部１０３においてステレオであることが検知された場合に、直前にセーブしたフィルタ係数をリストア（復帰）し、これを用いる。このことにより、適応フィルタ１０１、１０２の学習時間を短縮するとともに、学習に要する演算量の削減にも貢献できる。これにより、この発明の実施の形態１に係るエコーキャンセラによれば、適応フィルタ１０１、１０２のタップ数が頻繁に変化するような利用環境にあっても、最小のフィルタ係数での適応処理時間で即座にエコーキャンセル効果を得ることかできる。

なお、適応フィルタ１０１、１０２で、スピーカ１２（１２Ｌ、１２Ｒ）からの再生音を十分に除去しきれない場合、制御部１０５は、音量調整部１３（１３Ｌ、１３Ｒ）を制御することにより、スピーカ１２（１２Ｌ、１２Ｒ）の音量を任意のレベルに制限することができ、このことにより、入力音声へのスピーカ１２（１２Ｌ、１２Ｒ）からのＡＶ再生音等の混入を防止することができる。

上記したこの発明の実施の形態１に係るエコーキャンセラによれば、エコーとなる音源の数の変化に応じて、適応フィルタ１０１、１０２のタップ数を変化させることにより、エコー音源の数が少ない場合にはＤＳＰが実装されたエコーキャンセラ１０の余剰の処理能力を利用して、さらにエコーキャンセル処理能力を向上させることができる。
なお、このとき、適応フィルタ１０２に設定されるタップ数は、エコーとなる音源の数に反比例する数とすることで、増減した音源数によって変化するのでＤＳＰ性能に応じた柔軟な制御が可能になる。

また、適応フィルタ１０１、１０２のタップ数に応じて、エコーとなる音源（スピーカ１２Ｌ、１２Ｒ）の最大音量を制限することにより、適応フィルタ１０１、１０２のタップ数が少なく、エコーキャンセル処理能力が低い場合でも、マイクロフォン１４からのエコーの混入を回避することができる。

実施の形態２．
図２は、この発明の実施の形態２に係るエコーキャンセラを含む音声認識装置の構成と、音源がステレオからモノラルに変化した場合のエコーキャンセラの構成の変化を示すブロック図である。図２において、図１と同じ番号が付されたブロックは、特に断りがないかぎり図１に示すブロックと同じ名称、機能を有するブロックとする。
図２に示されるように、この発明の実施の形態２に係るエコーキャンセラにおいて、図１に示す実施の形態１との差異は、遅延ブロック１０６を有し、遅延ブロック１０６により、適応フィルタ１０１のタップ数相当分のサンプルを遅延させることにより、適応フィルタ１０２のタップ数を等価的に可変としたことにある。すなわち、ここでは、音源の数によって適応フィルタ１０２のタップ数を等価的に変化させている。他の構成は、実施の形態１と同様である。

上記構成において、エコーキャンセラ１０は、実施の形態１同様、エコー音源となるスピーカ１２（１２Ｌ、１２Ｒ）から出力される、例えば、車載ＡＶ機器による再生音を、通信ライン１５、１６を介して参照信号として取り込む。そして、エコーキャンセラ１０は、マイクロフォン１４を用いて話者が発する音声に混入するスピーカ１２（１２Ｌ、１２Ｒ）の出力音を、適応フィルタ１０１、１０２により除去してその出力を音声認識部１１に引き渡す。

ここで、エコーキャンセラ１０は、実施の形態１が有する構成に、更に遅延ブロック１０６を有しており、このため、制御部１０５は、通信ライン１５、１６を伝播する参照信号から音源数検知部１０３でステレオが検知されている間は、遅延ブロック１０６での遅延を０サンプルとし、適応フィルタ１０１、１０２を制御して通常のステレオでのエコーキャンセル処理を実行する。
一方、制御部１０５は、音源数検知部１０３でモノラルが検知された場合には、遅延ブロック１０６により適応フィルタ１０１のタップ数分（１００）のサンプル数だけ遅延させ、２つの適応フィルタ１０１、１０２でエコーキャンセル処理を実行させることにより、等価的に適応フィルタ１０１、１０２のタップ数を増加させることができ、このことにより、エコーキャンセルの性能を向上させている。

なお、先に説明した実施の形態１では、適応フィルタ１０１、１０２のタップ切り替えを実行するため、適応化のための学習をやり直す必要があるが、上記した実施の形態２では、適応フィルタ１０２については既に学習を終えてあり、したがって、他方の適応フィルタ１０１についてのみ学習処理を実行すれば良いため、実施の形態１に比して学習処理に要する時間、およびこのための演算量を削減できる効果が得られる。
また、実施の形態１同様、エコーキャンセラ１０は、記憶部１０４を有しており、制御部１０５は、遅延ブロック１０６の遅延サンプル数を変化させる前に、学習済みの適応フィルタ１０１、１０２のフィルタ係数を記憶部１０４にセーブ（退避）して保存し、次回、音源数検知部１０３においてステレオであることが検知された場合に、先に記憶部１０４にセーブしたフィルタ係数をリストア（復帰）して遅延ブロック１０６の遅延サンプル数を変更前と同じ値に戻し、これを用いることとする。このことにより、適応フィルタ１０１、１０２の学習時間を更に短縮するとともに、学習に要する演算量の削減にも貢献できる。

なお、適応フィルタ１０１、１０２で、スピーカ１２（１２Ｌ、１２Ｒ）からの再生音を十分に除去しきれない場合、制御部１０５は、音量調整部１３（１３Ｌ、１３Ｒ）を制御することにより、スピーカ１２（１２Ｌ、１２Ｒ）の音量を任意のレベルに制限することができ、このことにより、入力音声へのスピーカ１２（１２Ｌ、１２Ｒ）からのＡＶ再生音等の混入を防止することができる。

実施の形態３．
図３は、この発明の実施の形態３に係るエコーキャンセラを含む音声認識装置の構成を示すブロック図である。
図３に示されるように、音声認識装置は、エコーキャンセラ３０と、音声認識部３１と、エコー音源となるスピーカ３２と、マイクロフォン３３と、により構成される。以下に説明するように、ここでは、エコーキャンセラ３０は、最小限度のプロセッサリソースで最大のエコーキャンセル効果を得るように、適応フィルタ３０１〜３０４の有効数を最適化する。

エコーキャンセラ３０にはプロセッサ（ＤＳＰ）が実装されており、適応フィルタ３０１〜３０４と、遅延ブロック３０５〜３０７と、信号電力計測部３０８〜３１２と、制御部３１３と、を有する。
信号電力計測部３０８〜３１２は、ＤＳＰによる適応フィルタ３０１〜３０４の各エコーキャンセル処理前後における信号電力を監視して制御部３１３へ引き渡す。制御部３１３は、ＤＳＰによる適応フィルタ３０１〜３０４のエコーキャンセル処理前後における信号電力を監視し、適応フィルタ３０１〜３０４の有効数を、信号電力計測部３０８〜３１２の出力により判定される、ＤＳＰによる処理能力と適応フィルタ３０１〜３０４によるエコーキャンセル効果とのトレードオフにより可変制御する。

上記構成において、エコーキャンセラ３０は、スピーカ３２から出力される、例えば、車載ＡＶ機器による再生音を、通信ライン３４を介して参照信号として取り込む。そして、エコーキャンセラ３０は、マイクロフォン３３を用いて話者が発する音声に混入するスピーカ３２の出力音を適応フィルタ３０１〜３０４を使用して除去し、除去後の音声を音声認識部３１に引き渡す。
図３に示されるように、エコーキャンセラ３０は、複数の適応フィルタ３０１〜３０４を縦続接続しており、各適応フィルタ３０１〜３０４の入出力であるエコーキャンセル処理前後における信号電力を信号電力計測部３０８〜３１２でそれぞれ計測し、結果を制御部３１３に引き渡す構成になっている。

制御部３１３は、音声認識処理中でないとき（話者が話していない時）、マイクロフォン３３の入力直後の信号電力と、各適応フィルタ３０１〜３０４通過時の信号電力とを比較し、適応フィルタ３０１〜３０４の通過前と通過後で信号電力の変化を閾値と比較する。そして、制御部３１３は、変化が閾値より低ければ、該当する適応フィルタ（３０１〜３０４のいずれか）の動作を停止制御して音を素通りさせ、それにかかるプロセッサリソースを解放する。

上記したこの発明の実施の形態３に係るエコーキャンセラによれば、無駄な適応フィルタについてはエコーキャンセル処理を行わず、最適な有効数でスピーカ３２からの再生音を話者の入力音声から除去するエコーキャンセル処理を実行することができる。すなわち、実施の形態３に係るエコーキャンセラによれば、最小限度のプロセッサリソースで最大のエコーキャンセル効果を得るように適応フィルタ３０１〜３０４の有効数を最適化することができる。

実施の形態４．
図４は、この発明の実施の形態４に係るエコーキャンセラを含む音声認識装置の構成を示すブロック図である。
図４に示されるように、音声認識装置は、エコーキャンセラ４０と、音声認識部４１と、エコー音源となるスピーカ４２と、マイクロフォン４３と、により構成される。以下に説明するように、エコーキャンセラ４０は、ここでは、最小限度のプロセッサリソースで最大のエコーキャンセル効果を得るようにタップ数を最適化する。

エコーキャンセラ４０にはプロセッサ（ＤＳＰ）が実装されており、適応フィルタ４０１と、信号電力計測部４０２、４０３と、制御部４０４と、を有する。
信号電力計測部４０２、４０３は、ＤＳＰによる適応フィルタ４０１のエコーキャンセル処理前後における信号電力を監視して制御部４０４へ引き渡す。制御部４０４は、ＤＳＰによる適応フィルタ４０１のエコーキャンセル処理前後における信号電力を監視し、適応フィルタ４０１のタップ数を、信号電力計測部４０２、４０３の出力により判定される、ＤＳＰによる処理能力と適応フィルタ４０１によるエコーキャンセル効果とのトレードオフにより可変制御する。

上記した実施の形態３では、制御部３１３は、プロセッサリソースを解放するためにエコーキャンセル処理に不要な適応フィルタ（３０１〜３０４のいずれか）の動作を停止制御して音を素通りさせることとしたが、以下に説明する実施の形態４では、信号電力計測部４０２、４０３により適応フィルタ４０１のエコーキャンセル処理前後における信号電力を監視し、タップ数を、順次、増加もしくは減少させ、エコーキャンセル処理後の信号電力がエコーキャンセル処理前の信号電力よりも任意の値だけ低下する、もしくは上昇するタップ数でエコーキャンセル処理を実行させるように制御するものである。

具体的に、エコーキャンセラ４０は、スピーカ４２から出力される、例えば、車載ＡＶ機器による再生音を、通信ライン４４を介して参照信号として取り込む。そして、エコーキャンセラ４０は、マイクロフォン４３を用いて話者が発する音声に混入するスピーカ４２の出力音を、制御部４０４によりタップ数を変更可能な適応フィルタ４０１を使用して除去し、除去後の音声を音声認識部４１に引き渡す。

このとき、適応フィルタ４０１のタップ数は、適応フィルタ４０１によるエコーキャンセル処理前後における信号電力を信号電力計測部４０２、４０３で計測し、制御部４０４がその計測値を取込み、信号電力の大小を比較することにより最適タップ数として決定される。
制御部４０４は、上記した最適タップ数を決定するにあたり、適応フィルタ４０１のタップ数を順次増加させて行き、信号電力計測部４０２で計測した信号電力が、信号電力計測部４０３で計測した電力よりも任意の値（閾値）だけ低下するタップ数を用いることとする。あるいは、十分にエコーが消去されている環境下では、適応フィルタ４０１のタップ数を順次減少させ、信号電力計測部４０２で計測した信号電力が、信号電力測定部４０３で測定した信号電力よりも閾値だけ上昇するタップ数を用いることとする。

なお、タップ数を決定するタイミングは、上記した実施の形態１〜３同様、エコーとなる音源（スピーカ４２）からの出力音がある状態で、話者がマイクロフォン４３に向かって発話していない、すなわち、音声認識処理中でない状態であることを条件とする。このように、音声認識部４１による音声認識中とその直前は、適応フィルタ４０１によるタップ数の変更を行なわないことにより、音声認識部４１による誤認識を回避することができる。

上記したこの発明の実施の形態４に係るエコーキャンセラによれば、適応フィルタ４０１による無駄なエコーキャンセル処理を行わず、最適なタップ数でスピーカ４２からの再生音を話者の入力音声から除去するエコーキャンセル処理を実行することができる。すなわち、この発明の実施の形態４に係るエコーキャンセラによれば、最小限度のプロセッサリソースで最大のエコーキャンセル効果を得るように適応フィルタ４０１のタップ数を最適化することができる。
なお、制御部４０４は、信号電力計測部４０２、４０３の出力により、ＤＳＰの処理能力が足りず、必要な適応フィルタ４０１のタップ数を確保できないことにより十分なエコーキャンセル効果が得られないと判定した場合には、エコー音源となるスピーカ４２の最大音量を制限してもよい。また、制御部４０４は、話者の発話時にエコー音源となるスピーカ４２の音量を一時的に制限する場合、話者の音声を集音するマイクロフォン４３に近い位置に設置されているエコー音源の音量のみ制限値まで下げることとする。また、エコー音源の設置場所により、話者の音声を拾うマイクロフォン４３と、エコー音源との間の距離または音声伝搬距離または音声伝搬減衰量に応じた制限値まで下げることとする。

また、上記したように、話者の発話時にエコー音源（スピーカ４２）の音量を一時的に制限する場合、話者に対してエコー音源が制限されて低下するものであることを、例えば、音声認識装置に周辺装置として接続されるＬＣＤモニタ（不図示）に表示し、もしくは音声合成器（不図示）を介して音声出力により報知するものとする。
また、上記した実施の形態４においても、実施の形態１〜３同様、制御部４０４は、適応フィルタ４０１のタップ数を変化させる際に、直前における適応フィルタ４０１のフィルタ係数を不図示の記憶部にセーブして保存、次回、同じタップ数で処理する場合に、記憶部から先にセーブしたフィルタ係数をリストアして再利用することとする。

実施の形態５．
図５は、この発明の実施の形態５に係るエコーキャンセラを含む音声認識装置の構成を示すブロック図である。
図５に示されるように、音声認識装置は、エコーキャンセラ５０と、音声認識部５１と、Ｎチャンネルのエコー音源５２と、エコー音源数変換部５３と、スピーカ５４（５４１〜５４６）と、マイクロフォン５５と、により構成される。エコーキャンセラ５０は、以下に説明するように、必要な適応フィルタ５０１〜５０６のタップ数に応じて自動的にエコー音源５２のチャンネル数を変化させることができる。

なお、エコー音源数変換部５３は、後述するように、所定の条件に基づきエコー音源５２のチャンネル数を減少させる機能を有し、ここでは、ダウンミックス／サラウンド変換を行なうこととする。
ここで、ダウンミックスとは、サラウンドソフトをオリジナルフォーマットで再生できない場合に、製作者の意図した再生をオリジナルより少ないチャンネル数、例えば、ステレオに変換して行なう処理をいう。

エコーキャンセラ５０は、マイクロフォン５５で集音した話者の音声に混入される、例えば、６チャンネルのエコー音源５２の音を除去するために、タップ数を可変とする６つの適応フィルタ５０１〜５０６を有している。
エコーキャンセラ５０は、更に、縦続接続された適応フィルタ５０１〜５０６によるエコーキャンセル処理前後のそれぞれにおける信号電力を測定する信号電力計測部５０７、５０８と、後述するように、適応フィルタ５０１〜５０６のエコーキャンセル処理前後における信号電力を監視し、ＤＳＰが有する処理能力ではエコー音源の数だけ適応フィルタ５０１〜５０６を処理できないと判定された場合、エコー音源数変換部５３を制御してエコー音源５２の有効数を減少させる制御部５０９と、を有する。

上記構成において、エコーキャンセラ５０は、スピーカ５４から出力される、例えば、車載ＡＶ機器による再生音を、通信ライン５６〜６１を介し、適応フィルタ５０１〜５０６のそれぞれに参照信号として取り込む。そして、エコーキャンセラ５０は、マイクロフォン５５を用いて話者が発する音声に混入するスピーカ５４（５４１〜５４６）の出力音を、制御部５０９により適応フィルタ５０１〜５０６を使用して除去し、除去後の音声を音声認識部５１に引き渡す。
エコーキャンセラ５０において、制御部５０９は、信号電力計測部５０７、５０８の出力ならびに、信号電力計測部５０７、５０８により計測される適応フィルタ５０１〜５０６通過前後における変化値と閾値との比較により、エコーキャンセル量が十分でないと判定された場合、通信ライン６２を介してエコー音源数変換部５３を制御し、ダウンミックス処理によりエコー音源５２のチャンネル数を減らす処理を実行する。同時に、制御部５０９は、減らしたチャンネルに該当する適応フィルタ（５０１〜５０６のいずれか）の動作を停止させ、停止により余剰したＤＳＰの処理能力を、残りの各適応フィルタ（５０１〜５０６のいずれか）のタップ数の増加分に割り当てる。

一方、これとは逆に、制御部５０９は、信号電力計測部５０７、５０８の出力ならびに、信号電力計測部５０７、５０８により計測される変化値と閾値との比較により、エコーキャンセル量が過剰であると判定された場合、通信ライン６２を介してエコー音源数変換部５３を制御してエコー音源５２のチャンネル数を減らさない制御を行うか、あるいは、エコー音源５２のチャンネル数が６チャンネル未満であればエコー音源数変換部５３を制御してサラウンド処理によりチャンネル数を最大６チャンネルまで増やしてスピーカ５４（５４１〜５４６）に出力させる。このとき、制御部５０９は、縦続接続された６個の適応フィルタ５０１〜５０６の全てを動作させることにより、エコーキャンセル処理を実行する。

上記の処理により、スピーカ５４（５４１〜５４６）の音量が大きい等、適応フィルタ５０１〜５０６のタップ数が必要な環境であっても十分なエコーキャンセル効果が得られ、同時に、適応フィルタ５０１〜５０６のタップ数がそれほど必要の無い環境では多チャンネル音源によるエコーキャンセルが可能なエコーキャンセラを提供することができる。すなわち、実施の形態５に係るエコーキャンセラによれば、必要な適応フィルタ５０１〜５０６のタップ数に応じて自動的にエコー音源５２のチャンネル数を変化させることができる。

上記したこの発明の実施の形態５に係るエコーキャンセラによれば、一時的に利用可能なＤＳＰ処理能力が少なく、エコー音源５２の数だけ用意された適応フィルタ５０１〜５０６によるエコーキャンセル処理ができない場合に、エコー音源５２のダウンミックス処理を行い、音減数を減らすことにより、ＤＳＰの処理能力に応じてエコーキャンセル処理が可能になる。
また、エコー音源５２をダウンミックスして減らした分、適応フィルタ５０１〜５０６のタップ数を増やすことにより、一時的に適応フィルタ５０１〜５０６のタップ数が少なく、エコーキャンセル効果が得られないような状況下にあってもエコー音源５２の数を減らし、適応フィルタ５０１〜５０６のタップ数を増やして、十分なエコーキャンセル効果を得ることができる。

さらに、エコーキャンセル量が十分あり、ＤＳＰの処理能力に余剰がある場合は、エコー音源５２のダウンミックスを取りやめるか、ステレオ／サラウンド変換する処理を行なって音源数を増やし、処理を行う適応フィルタ５０１〜５０６の数を増やすことにより、余剰のＤＳＰ処理能力を活用して、エコー音源５２となる音楽等の臨場感を増やすことができる。また、エコー音源５２の設定音量が大きくなるほど、ダウンミックス処理を行ってエコー音源５２の数を減らし、適応フィルタ５０１〜５０６のタップ数を増やすことにより、これを音声認識に用いた場合に、音声認識が可能なエコーとなる音源の音量の上限値を上げることができる。

なお、上記したこの発明の実施の形態１〜実施の形態５に係るエコーキャンセラ１０（３０、４０、５０）が有する各構成ブロックの機能は、全てをハードウェアによって実現しても、あるいはその少なくとも一部をソフトウェアで実現してもよい。
例えば、音源数検知部１０３で検知された音源の数に応じて適応フィルタ１０１、１０２のタップ数を可変とする制御部１０５（実施の形態１、２）、適応フィルタ３０１〜３０４の有効数、もしくは適応フィルタ４０１のタップ数を、信号電力計測部３０８〜３１２、あるいは信号電力計測部４０２、４０３の出力により判定される、プロセッサによる処理能力と、１以上の適応フィルタ（３０１〜３０４、または４０１）によるエコーキャンセル効果とのトレードオフにより可変とする制御部３１３あるいは４０４（実施の形態３、４）、そして、適応フィルタ５０１〜５０６のエコーキャンセル処理前後における信号電力を監視し、プロセッサが有する処理能力ではエコーとなる音源の数だけ適応フィルタ５０１〜５０６を処理できないと判定された場合、エコー音源数変換部５３を制御してエコー音源５２の有効数を減少させる処理を行う制御部５０９（実施の形態５）におけるデータ処理は、ハードウェアで実現してもよく、また、その少なくとも一部を、１または複数のプログラムによりコンピュータ上で実現してもよい。

以上のように、この発明に係るエコーキャンセラは、エコー音源の数の大小に依存することなく、より多くのエコーキャンセル効果が得られるようにするために、エコーとなる音源のそれぞれから入力される参照信号を適応フィルタにより濾波してエコー除去信号を生成するエコーキャンセラであって、前記参照信号から前記エコーとなる音源の数を検知する音源数検知部と、前記音源数検知部で検知された音源の数に応じて前記適応フィルタのタップ数を可変とする制御部を備えるよう構成したので、車載ナビゲーション装置における音声認識、あるいは、ハンズフリー電話において、従来、マイクロフォンに入力される音声から車載スピーカにより出力される音楽、音声等を除去し、話者の音声だけを音声認識し、あるいは電話で相手方へ伝えることのできるエコーキャンセラなどに用いるのに適している。

Claims (13)

1. エコーとなる音源のそれぞれから入力される参照信号を１以上の適応フィルタにより濾波してエコー除去信号を生成し、エコーキャンセル処理を行うプロセッサを備えたエコーキャンセラであって、
   前記プロセッサによる前記適応フィルタのエコーキャンセル処理前後における信号電力を監視する信号電力計測部と、
   前記適応フィルタの有効数、もしくはタップ数を、前記信号電力計測部の出力により判定される、前記プロセッサによる処理能力と前記１以上の適応フィルタによるエコーキャンセル効果とのトレードオフにより可変とする制御部と、
   を備えたことを特徴とするエコーキャンセラ。
2. 前記制御部は、
   前記信号電力計測部により各適応フィルタのエコーキャンセル処理前後における信号電力を監視し、前記信号電力の変化が閾値より少ない適応フィルタについては前記エコーキャンセル処理を省略することを特徴とする請求項１記載のエコーキャンセラ。
3. 前記制御部は、
   前記信号電力計測部により前記適応フィルタのエコーキャンセル処理前後における信号電力を監視し、前記タップ数を、順次、増加もしくは減少させ、前記エコーキャンセル処理後の信号電力がエコーキャンセル処理前の信号電力よりも任意の値だけ低下する、もしくは上昇するタップ数により前記エコーキャンセル処理を実行させることを特徴とする請求項１記載のエコーキャンセラ。
4. 前記制御部は、
   前記信号電力計測部の出力により、前記プロセッサの処理能力が足りず、必要な適応フィルタのタップ数を確保できないことにより十分なエコーキャンセル効果が得られないと判定された場合には、前記エコー音源の最大音量を一時制限することを特徴とする請求項１記載のエコーキャンセラ。
5. 前記制御部は、
   話者の発話時に前記エコー音源の音量を一時的に制限する場合、話者の音声を拾うマイクロフォンに近い位置に設置されている前記エコー音源の音量のみ、制限値まで下げることを特徴とする請求項４記載のエコーキャンセラ。
6. 前記制御部は、
   話者の発話時に前記エコー音源の音量を一時的に制限する場合、前記エコー音源の音量を、前記エコー音源の設置場所により、話者の音声を拾うマイクロフォンと、前記エコー音源との間の距離または音声伝搬距離または音声伝搬減衰量に応じた制限値まで下げることを特徴とする請求項４記載のエコーキャンセラ。
7. 前記制御部は、
   話者の発話時に前記エコー音源の音量を一時的に制限する場合、話者に対し、エコー音源が制限されて低下するものであることを報知することを特徴とする請求項４記載のエコーキャンセラ。
8. 音声認識部を備え、
   前記制御部は、
   前記音声認識部による音声認識中とその直前に、前記適応フィルタによるタップ数を変化させないことを特徴とする請求項１記載のエコーキャンセラ。
9. 記憶部を備え、
   前記制御部は、
   前記適応フィルタのタップ数を変化させる際に、直前における前記適応フィルタのフィルタ係数を前記記憶部にセーブし、次回、同じタップ数で処理する場合に、前記記憶部から前記フィルタ係数をリストアして再利用することを特徴とする請求項１記載のエコーキャンセラ。
10. エコーとなる音源のそれぞれから入力される参照信号を１以上の適応フィルタにより濾波してエコー除去信号を生成するプロセッサを有するエコーキャンセラであって、
    所定の条件に基づき前記エコー音源の数を可変とする音源数変換部と、
    前記適応フィルタのエコーキャンセル処理前後における信号電力を監視し、前記プロセッサが有する処理能力では前記エコーとなる音源の数だけ前記適応フィルタを処理できないと判定された場合、前記音源数変換部を制御して前記エコー音源の有効数を減少させる処理を行う制御部と、
    を備えたことを特徴とするエコーキャンセラ。
11. 前記制御部は、
    前記エコー音源の数を前記音源数変換部により減少させた分だけ、前記適応フィルタのタップ数を増加させることを特徴とする請求項１０記載のエコーキャンセラ。
12. 前記制御部は、
    前記適応フィルタのエコーキャンセル処理前後における信号電力を監視して前記プロセッサの処理能力に余剰があると判定された場合、前記音源数変換部を制御して前記エコーとなる音源を減少させる処理を停止するか、前記エコーとなる音源の数を増やして前記適応フィルタの有効数を増加させることを特徴とする請求項１０記載のエコーキャンセラ。
13. 前記制御部は、
    前記エコー音源の設定音量を監視し、前記設定音量が大きくなるほど前記音源数変換部を制御して前記エコー音源の有効数を減らし、前記適応フィルタのタップ数を増加させることを特徴とする請求項１０記載のエコーキャンセラ。

Images